CN111627218A - 一种通过图像增强进行夜间车牌识别的方法 - Google Patents
一种通过图像增强进行夜间车牌识别的方法 Download PDFInfo
- Publication number
- CN111627218A CN111627218A CN202010488288.7A CN202010488288A CN111627218A CN 111627218 A CN111627218 A CN 111627218A CN 202010488288 A CN202010488288 A CN 202010488288A CN 111627218 A CN111627218 A CN 111627218A
- Authority
- CN
- China
- Prior art keywords
- license plate
- image
- night
- image enhancement
- steps
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000001914 filtration Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
- Character Input (AREA)
Abstract
本发明涉及图像处理领域，具体而言，涉及一种通过图像增强进行夜间车牌识别的方法，其包括通过拍照器采集多张汽车车牌号图像，对图像进行直方图规定化修正，对图像进行锐化锐化，对图像进行文字识别，对多张图像的识别结果进行比对并得到最终结果。该发明中通过图像增强和滤波，增强了文字识别的效果，同时通过多张比对的方式，提升了识别准确率。
Description
技术领域
本发明涉及图像处理领域，具体而言，涉及一种通过图像增强进行夜间车牌识别的方法。
背景技术
现阶段公路一般设置有不少摄像头，摄像头不仅可以帮助交警进行测速，同时可以在办理一些案件，或者追踪车辆时起到很大的作用。
但目前大多都是采用直接照相，然后通过人工识别车牌，费时费力，还可能出现识别错误的情况。而简单地直接采用机器识别，一方面目前机器识别文字对于摄像头照出来的车牌图像准确率并不会太高，另一方面对于夜间对比度不高的情况来说，机器识别的困难度又提升不少。
发明内容
本发明的目的在于：针对上述问题，本发明提供一种通过图像增强进行夜间车牌识别的方法。
本发明的一些实施例是这样实现的：
一种通过图像增强进行夜间车牌识别的方法，包括步骤：
S01：通过拍照器采集多张汽车车牌号图像，并将采集的所有汽车车牌号图像传回至服务器；
S02：服务器将对每张汽车车牌号图像都拆分成RGB三色图，对RGB三色图进行直方图规定化后再进行合并，得到修正图像；
S03：通过将修正图像进行锐化，得到锐化图像；
S04：将锐化图像放入卷积神经网络进行数字和字母识别，得到原采集的汽车车牌号图像上每个字母的概率；
S05：通过对多个不同采集到的汽车车牌号图像经过上述处理后得到的概率进行比对，得到最终车牌号，并录入***。
本发明的一种实施例中：
所述步骤S01中的拍照器设置在道路旁，拍照器上设置有多个拍照镜头，多个拍照镜头面向不同角度；
本发明的一种实施例中：
任一所述步拍照镜头均带有闪光灯装置。
本发明的一种实施例中：
通过控制闪光灯装置的开关，不同角度的拍照镜头分别采集多张各自角度有闪光的汽车车牌号图像和无闪光的汽车车牌号图像。
本发明的一些实施例是这样实现的：
在步骤S03中，修正图像在锐化前还通过降噪滤波进行降噪。
本发明的一些实施例是这样实现的：
在步骤S05中，设置第一个字从省份简称和特殊标识中选一个，设置第二个从字母中选一个。
本发明的一些实施例是这样实现的：
所述拍照器上还设置有测速装置。
本发明的技术方案至少具备以下有益效果：
通过将多张汽车车牌号图像进行图像增强，使得对比度大幅上升，同时因为使用直方图规定化，变换函数可自行定义，从而可以根据拍照时刻选择不同的函数以适应对比度。当对比度大幅上升后，方便后续的图像处理。
通过锐化，后通过卷积神经网络进行文字识别，从而能够得到每个字母的概率，但因为可能出现识别有误或者识别不出来的情况，所以采用不同角度且每个角度多张照片的形式，通过将每张照片的概率进行对比，从而得到最终生成的概率，以最终概率中最高的作为识别结果。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请一些实施例所示的一种通过图像增强进行夜间车牌识别的方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
应当理解，本文使用的“***”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
本说明书中使用了流程图用来说明根据本说明书的实施例的***所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例
图1为本申请一些实施例所示的一种通过图像增强进行夜间车牌识别的方法。
图中包括从通过拍照器111采集图像后传输进服务器112进行图像处理再到录入***113。
采集图像为通过拍照器对道路上来往的车辆进行连拍，并将拍到的图像传送给服务器。
拍照器可以是各类摄像头。
信息传输可以采用有线网络、移动网络等。
服务器包括有作为控制核心的中央处理器(CPU)，用于神经网络运算的显卡(GPU)，用于存储信息的硬盘，用于运算空间的内存，还包括网络收发器(网卡)等，该服务器负责图像处理中的图像修正与增强、文字识别操作。
一种通过图像增强进行夜间车牌识别的方法，包括步骤：
S01：通过拍照器采集多张汽车车牌号图像，并将采集的所有汽车车牌号图像传回至服务器。
进一步的，拍照器设置在道路旁，拍照器上设置有多个拍照镜头，多个拍照镜头面向不同角度。任一所述步拍照镜头均带有闪光灯装置。通过控制闪光灯装置的开关，不同角度的拍照镜头分别采集多张各自角度有闪光的汽车车牌号图像和无闪光的汽车车牌号图像。
S02：服务器将对每张汽车车牌号图像都拆分成RGB三色图，对RGB三色图进行直方图规定化后再进行合并，得到修正图像；
传统的jpg格式图像可通过RGB颜色空间分解成R、G、B三色矩阵，矩阵中的每个元素即为该点坐在像素，通过将图像进行分解，而后对每个图像进行直方图规定化，使得频率得到相对平均，从而改变了图像的对比度，但又不像线性直方图修正一样把边界上的变为一种颜色，从而使得图像失真，变换后通过矩阵合并回新的图像，从而完成了对比度调整。
S03：通过将修正图像进行锐化，得到锐化图像。
通过锐化操作从而进行图像增强，其中锐化操作包括通过高通滤波进行锐化，即一种低通滤波操作，它能有效抑制高频成分，而随机噪声是一种突变，频率很高，因此平滑可以压制噪声。
进一步的，修正图像在锐化前还通过降噪滤波进行降噪，降噪滤波包括基于空间域的算法和基于频域的算法，空间域滤波具体比如高斯滤波，中值滤波，均值漂移滤波，其核心点为通过图像卷积操作。二频域滤波则采用数学运算将图像从空间域变换到频率域，通过对图像的频谱进行滤波操作后，再反变换回空间域，具体包括傅里叶变换、离散余弦变换、小波变换等。
S04：将锐化图像放入卷积神经网络进行数字和字母识别，得到原采集的汽车车牌号图像上每个字母的概率。
当该环境和程序确认无误后，可以开始通过卷积神经网络对图像进行分析。
将图像通过颜色空间进行拆分后，对每个拆分出来的图像按照位置顺序进行区域分割，然后对每个区域进行特征提取，将提取出来的特征值依次排列形成特征图；将卷积核与特征图进行内积运算并与偏置相加，得到区域特征值，而后通过滑步，逐步对该特征图的所有特征值进行运算并拼成区域特征图，从而得到卷积层；将得到的卷积层通过激活函数进行一次非线性映射，后进行池化，从而对数据进行压缩，得到池化层；依次循环上述几个步骤后，将特征图压缩成一个至少三维的特征图，然后对该特征图进行拉长，从而得到一个特征向量，对该特征向量进行全连接操作，从而得到概率结果。
S05：通过对多个不同采集到的汽车车牌号图像经过上述处理后得到的概率进行比对，得到最终车牌号，并录入***。
每个拍摄的汽车车牌号图像通过上述操作后，最后得到一个特征向量，即一个分类，通过对不同图的分类进行比对，选取相对重合的部分，最终得到最后的结果，从而完成文字识别。
本申请至少具备以下有益效果：
通过将多张汽车车牌号图像进行图像增强，使得对比度大幅上升，同时因为使用直方图规定化，变换函数可自行定义，从而可以根据拍照时刻选择不同的函数以适应对比度。当对比度大幅上升后，方便后续的图像处理。
通过锐化，后通过卷积神经网络进行文字识别，从而能够得到每个字母的概率，但因为可能出现识别有误或者识别不出来的情况，所以采用不同角度且每个角度多张照片的形式，通过将每张照片的概率进行对比，从而得到最终生成的概率，以最终概率中最高的作为识别结果。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本说明书的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本说明书的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“***”。此外，本说明书的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
Claims (7)
1.一种通过图像增强进行夜间车牌识别的方法，其特征在于，包括步骤：
S01：通过拍照器采集多张汽车车牌号图像，并将采集的所有汽车车牌号图像传回至服务器；
S02：服务器将对每张汽车车牌号图像都拆分成RGB三色图，对RGB三色图进行直方图规定化后再进行合并，得到修正图像；
S03：通过将修正图像进行锐化，得到锐化图像；
S04：将锐化图像放入卷积神经网络进行数字和字母识别，得到原采集的汽车车牌号图像上每个字母的概率；
S05：通过对多个不同采集到的汽车车牌号图像经过上述处理后得到的概率进行比对，得到最终车牌号，并录入***。
2.根据权利要求1所述的一种通过图像增强进行夜间车牌识别的方法，其特征在于：所述步骤S01中的拍照器设置在道路旁，拍照器上设置有多个拍照镜头，多个拍照镜头面向不同角度。
3.根据权利要求2所述的一种通过图像增强进行夜间车牌识别的方法，其特征在于：任一所述步拍照镜头均带有闪光灯装置。
4.根据权利要求3所述的一种通过图像增强进行夜间车牌识别的方法，其特征在于：通过控制闪光灯装置的开关，不同角度的拍照镜头分别采集多张各自角度有闪光的汽车车牌号图像和无闪光的汽车车牌号图像。
5.根据权利要求1所述的一种通过图像增强进行夜间车牌识别的方法，其特征在于：在步骤S03中，修正图像在锐化前还通过降噪滤波进行降噪。
6.根据权利要求1所述的一种通过图像增强进行夜间车牌识别的方法，其特征在于：在步骤S05中，设置第一个字从省份简称和特殊标识中选一个，设置第二个从字母中选一个。
7.根据权利要求1所述的一种通过图像增强进行夜间车牌识别的方法，其特征在于：所述拍照器上还设置有测速装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010488288.7A CN111627218A (zh) | 2020-06-02 | 2020-06-02 | 一种通过图像增强进行夜间车牌识别的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010488288.7A CN111627218A (zh) | 2020-06-02 | 2020-06-02 | 一种通过图像增强进行夜间车牌识别的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111627218A true CN111627218A (zh) | 2020-09-04 |
Family
ID=72272631
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010488288.7A Pending CN111627218A (zh) | 2020-06-02 | 2020-06-02 | 一种通过图像增强进行夜间车牌识别的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111627218A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101877050A (zh) * | 2009-11-10 | 2010-11-03 | 青岛海信网络科技股份有限公司 | 一种车牌字符的自动提取方法 |
| CN106408950A (zh) * | 2016-11-18 | 2017-02-15 | 北京停简单信息技术有限公司 | 停车场出入口车牌识别***及方法 |
| CN106909923A (zh) * | 2017-02-20 | 2017-06-30 | 汪爱民 | 一种违章车辆处理*** |
| US20190066492A1 (en) * | 2017-08-22 | 2019-02-28 | Jos A. G. Nijhuis | License Plate Recognition |
| CN110298278A (zh) * | 2019-06-19 | 2019-10-01 | 中国计量大学 | 一种基于人工智能的地下停车库行人车辆监测方法 |
| CN111079764A (zh) * | 2019-12-06 | 2020-04-28 | 深圳久凌软件技术有限公司 | 一种基于深度学习的低照度车牌图像识别方法及装置 |
-
2020
- 2020-06-02 CN CN202010488288.7A patent/CN111627218A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101877050A (zh) * | 2009-11-10 | 2010-11-03 | 青岛海信网络科技股份有限公司 | 一种车牌字符的自动提取方法 |
| CN106408950A (zh) * | 2016-11-18 | 2017-02-15 | 北京停简单信息技术有限公司 | 停车场出入口车牌识别***及方法 |
| CN106909923A (zh) * | 2017-02-20 | 2017-06-30 | 汪爱民 | 一种违章车辆处理*** |
| US20190066492A1 (en) * | 2017-08-22 | 2019-02-28 | Jos A. G. Nijhuis | License Plate Recognition |
| CN110298278A (zh) * | 2019-06-19 | 2019-10-01 | 中国计量大学 | 一种基于人工智能的地下停车库行人车辆监测方法 |
| CN111079764A (zh) * | 2019-12-06 | 2020-04-28 | 深圳久凌软件技术有限公司 | 一种基于深度学习的低照度车牌图像识别方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111709883B (zh) | 一种图像检测方法、装置及设备 | |
| Negru et al. | Exponential contrast restoration in fog conditions for driving assistance | |
| CN109492642B (zh) | 车牌识别方法、装置、计算机设备及存储介质 | |
| CN108197644A (zh) | 一种图像识别方法和装置 | |
| CN110378254B (zh) | 车损图像修改痕迹的识别方法、***、电子设备及存储介质 | |
| CN112380978B (zh) | 基于关键点定位的多人脸检测方法、***及存储介质 | |
| CN113657528B (zh) | 图像特征点提取方法、装置、计算机终端及存储介质 | |
| CN117218029B (zh) | 基于神经网络的夜间暗光图像智能处理方法 | |
| CN114140346A (zh) | 一种图像处理方法及装置 | |
| CN111031241B (zh) | 图像处理方法及其装置、终端和计算机可读存储介质 | |
| Elsharkawy et al. | New and efficient blind detection algorithm for digital image forgery using homomorphic image processing | |
| WO2022199395A1 (zh) | 人脸活体检测方法、终端设备及计算机可读存储介质 | |
| CN114170565A (zh) | 一种基于无人机航拍的图像对比方法、装置及终端设备 | |
| CN111723805A (zh) | 一种信号灯的前景区域识别方法及相关装置 | |
| CN111627218A (zh) | 一种通过图像增强进行夜间车牌识别的方法 | |
| Dhar et al. | Interval type-2 fuzzy set and human vision based multi-scale geometric analysis for text-graphics segmentation | |
| CN110633705A (zh) | 一种低照度成像车牌识别方法及装置 | |
| CN109241865B (zh) | 一种弱对比度交通场景下的车辆检测分割算法 | |
| Tahaoglu et al. | Robust copy-move forgery detection technique against image degradation and geometric distortion attacks | |
| CN113111883B (zh) | 车牌检测方法、电子设备及存储介质 | |
| CN116152079A (zh) | 图像处理方法及图像处理模型训练方法 | |
| CN112669346B (zh) | 一种路面突发状况确定方法及装置 | |
| CN115423765A (zh) | 一种基于模板图像的晶粒缺陷量化分割方法 | |
| CN110796684B (zh) | 目标跟踪方法以及相关装置 | |
| CN109815791B (zh) | 基于血管的身份识别方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200904 |